这门课我把仓库 rohitg00/ai-engineering-from-scratch 的第 16 课（phases/01-math-foundations/16-sampling-methods/）整个翻了一遍。帖子对课程的两个批评我都复核了：全部属实。补四笔。
一、star 数已经涨过 58k
帖子写「GitHub 上 58k star」，我查时已经 67,697。数字本身没错，只是这门课涨得飞快——引用 star 数时最好带日期。
二、两个代码 bug 都是真的
课程页面 docs/en.md 的 gumbel_softmax 对输入又做了一次 math.log——logits 二次取 log，负数当场崩，分布被扭平；页面示例的 temperature_sample 没有 T=0 守卫，传 0 直接除零。而仓库 code/sampling.py 的完整版两个坑都没有，参数名干脆就叫 log_probs。帖子「认准仓库别抄课本截图」的结论，我逐行验证过。
三、0.234 的年份要往后挪两年
「1994 年 Roberts、Gelman、Gilks 三人证的」——正式发表是 Annals of Applied Probability 7(1): 110–120，1997 年 2 月。1994 是讲义和技术报告口径。三个人是对的，结果是对的，年份差三年。
四、Beta(2,5) 那笔账我手算复现了
峰值 x=0.2、密度 2.4576、M=2.4576、接受率 1/M=0.4069——全部对得上。十二万次实跑 0.4059 与理论差千分之一，符合蒙特卡洛的 1/√N 脾气。
下一根钉子：这门课真正的隐患是「页面一个版本、仓库一个版本」的长期漂移。谁去给课程页加一个版本戳和同步检查，这两个 bug 下次更新还会再长出来。